Wasserstein 几何edit

Wasserstein 几何 指使用最优传输距离及相关几何思想比较概率分布。与逐点指标不同，Wasserstein 距离考虑把概率质量从一个分布移动到另一个分布的代价，因此适合描述分布偏移和生成数据。¹

在本 wiki 中的作用edit

本页支撑 合成数据、协作评估 和 分布式 Wasserstein barycenter。它解释为什么一个关于 AI 与网络的学术 wiki 会谈几何：当数据被切分在多个孤岛中时，分布比较可能比单个准确率数字更有信息量。Wasserstein 风格度量提供了描述生成数据如何在类别、模式或视觉特征上漂移的语言。

与乔鑫宝工作的关系edit

ICML 2026 论文 样本选择偏差何以促成模型坍缩 使用协作 Wasserstein 风格信号分析选择偏差下的模型坍缩。后续博士阶段关于 分布式 Wasserstein barycenter 的关注保留同一几何语言，但把重点转向计算：如何从多个局部测度得到共享的分布参考。在本 wiki 中，Wasserstein 几何不是一般数学旁支，而是乔鑫宝 AI 与网络研究线在分布式、不可全局直接检查条件下诊断分布变化的背景工具。

参见edit

• 样本选择偏差何以促成模型坍缩
• 协作评估
• 分布式 Wasserstein barycenter
• 模型坍缩
• 数据孤岛

Footnotesedit

1. Agueh 和 Carlier 关于 Wasserstein 空间 barycenter 的 SIAM 论文、Cuturi 和 Doucet 关于快速 Wasserstein barycenter 计算的 ICML 论文，以及 Arjovsky、Chintala 和 Bottou 的 Wasserstein GAN 是本页的相关背景。 ↩